CN106094783A - 一种液氢加注***故障诊断和实时报警方法 - Google Patents

一种液氢加注***故障诊断和实时报警方法 Download PDF

Info

Publication number
CN106094783A
CN106094783A CN201610367743.1A CN201610367743A CN106094783A CN 106094783 A CN106094783 A CN 106094783A CN 201610367743 A CN201610367743 A CN 201610367743A CN 106094783 A CN106094783 A CN 106094783A
Authority
CN
China
Prior art keywords
liquid hydrogen
fault
loading system
hydrogen loading
realtime alerts
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610367743.1A
Other languages
English (en)
Other versions
CN106094783B (zh
Inventor
柴毅
张可
毛永芳
冯莉
杨志敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN201610367743.1A priority Critical patent/CN106094783B/zh
Publication of CN106094783A publication Critical patent/CN106094783A/zh
Application granted granted Critical
Publication of CN106094783B publication Critical patent/CN106094783B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明公开了一种液氢加注***故障诊断和实时报警方法，包括以下步骤：S1：分析液氢加注***故障模式；S2：通过统计分析历史数据获取各个故障发生的概率密度函数；S3：采用动态加权故障树获取整个***故障的发生率；S4：利用危险分析方法对***事故产生与危险传播过程进行描述；S5：结合事故造成的人员伤亡、财产损失和社会影响，获取***损失函数；S6：采用危险率对***运行性能进行评估，实现***动态报警。本发明利用动态加权故障树实现液氢加注***的实时动态描述，更快速地获取***实时故障发生率。本发明采用危险分析技术实现事故发生和危险传递的动态刻画，实时评估***运行性能，实现***动态报警，进而给出***检修时间。

Description

一种液氢加注***故障诊断和实时报警方法
技术领域
本发明涉及故障模式分析、危险分析和实时报警领域，特别涉及液氢加注***故障诊断及实时报警方法。
背景技术
随着载人航天、大型通信卫星、深空探测等空间应用的迅速发展，对液氢加注***的性能和安全性的要求也日益提高，液氢加注***的故障诊断和实时报警方法研究越来越受到重视。液氢加注***作为保障火箭燃料补给的重要地面设备，主要包括液路***和气路***。主要功能是按要求的流量和压力向燃烧室输送推进剂，是整个试验台的动力源，地位极其重要。由于低温燃料和发射窗口的限制，液氢加注***的运行性能直接影响发射任务的成败。加注***结构复杂，难以建立精确的模型，在其故障诊断和实时报警中主要使用的方法是定性分析方法。这类方法主要包括故障模式影响分析方法和故障树分析方法。1950年，美国古拉曼公司为了研究飞机主操纵***可靠性提出了失效模式影响及危害度分析技术，并广泛应用于机械、电气、电子产品等***安全性评估；故障树分析法于1961年由美国贝尔实验室首创，1962年应用于分析导弹发射控制***，其后被波音公司应用于安全性分析，推广应用到航天部门及核能、化工等许多领域，成为复杂***可靠性和安全性分析的一个有力工具，也是事故分析，特别是航天事故分析的一个重要手段。目前使用的故障树分析方法主要包括静态故障树和动态故障树分析方法。它们在对***故障模式进行分析没有考虑***故障的动态更新问题和各个故障对***失效的贡献之间存在动态相关性。
从定性***故障诊断和实时报警技术的发展来看，基于动态更新的故障树分析方法是未来故障分析的发展趋势。该分析方法采用图形方式直观形象地展现故障事件的逻辑关系，不仅能够进一步获得更加全面的故障库，动态更新故障之间的相关关系和关联关系，也可以用于分析***各种故障状态及其对***影响，以及导致这些故障的原因等。因此，该方法适用于***寿命周期的任何阶段，较好地解决***故障诊断和实时报警问题。
当前的故障诊断和实时报警方法具有分析不全面、不能实时动态更新故障库、难以描述故障对***的影响程度、实时性差等特点。
因此，急需一种全面、快速、实时和准确实现***故障诊断和实时报警的方法。
发明内容
鉴于此，本发明所要解决的技术问题是提供一种快速、实时和精确的复杂***故障诊断和实时报警方法。
为达到上述目的，本发明提供以下技术方案：
本发明提供的一种液氢加注***故障诊断及实时报警方法，包括以下步骤：
S1：分析航天发射场加注***故障模式；
S2：通过统计分析历史数据获取各个故障发生的概率密度函数；
S3：采用动态加权故障树获取整个***故障的发生率；
S4：利用危险分析方法对***事故产生与危险传播过程进行描述；
S5：结合事故造成的人员伤亡、财产损失和社会影响，获取***损失函数；
S6：采用危险率评估***运行性能，实现***实时报警。
进一步，所述步骤S3中的动态加权故障树，具体步骤如下：
S31：利用危险分析方法确定***故障顶事件；
S32：根据从上到下的搜索分析方法确定下一层故障事件；
S33：利用逻辑分析方法分析下层故障引起上层故障事件的动态权重；
S34：根据逻辑门计算方法，确定***顶事件发生概率。
进一步，所述步骤S33中的动态权重确定方法是通过各个时刻***设备状态，运行工况唯一确定的。
进一步：所述步骤S33中的动态逻辑门计算主要包括与门和或门。
进一步：所述步骤S4中的危险分析方法，其具体步骤如下：
S41：利用定性方法确定***故障到事故的危险因素；
S42：利用随机分析方法确定引发事故的必要条件概率；
S43：通过将***顶事件发生概率和必要条件概率相乘得到***事故的发生概率；
S44：结合事故的损失函数得出***的危险程度。
进一步，所述步骤S42利用的随机分析方法主要包括马尔可夫序列分析方法。
进一步，所述步骤S44中的损失函数是通过对历史数据统计分析得到的。
本发明的有益效果在于：本发明将动态加权故障树分析方法应用于航天加注***故障分析中，结合***事故损失函数，采用动态风险分析方法实现***风险概率的实时、动态、高效的计算，并给出***故障诊断和实时报警结果，同时也给出了***检修时间。
本发明采用动态加权故障树分析方法进行故障分析，能够更好的确定***故障之间的逻辑关系。利用数据挖掘技术和LOGISC回归方法揭示各个故障之间的相关关系。通过科学的设置故障树各层的动态权重，能够实时准确地计算出故障的发生概率。结合动态风险分析方法，***全面地描述了故障引发事故的发生机制，以及事故的演化机制。利用风险率计算结果对***全生命周期的性能进行评估，实现***动态报警以及确定***的检修时间。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明做进一步详细描述，其中：
图1为液氢加注***动态加权故障树分析结果；
图2为基于动态风险分析方法的***风险率计算流程。
具体实施方式
下面将结合附图，对本发明的优选实施例进行详细的描述。
以下将结合附图，对本发明的优选实施例子进行详细的描述；应当理解，优选实施例子仅为了说明本发明，而不是为了限制本发明的保护范围。
图1为液氢加注***动态加权故障树分析结果，其中：ωm-n表示故障树第m层的第n个故障，xi表示第i个故障，Xi表示***的故障分类模式；图2为基于动态风险分析方法的***风险率计算流程。如图1和图2所示，本实施例子提供的液氢加注***故障诊断及实时报警方法，包括以下步骤：
S1：分析航天发射场加注***故障模式；
S2：通过统计分析历史数据获取各个故障发生的概率密度函数；
S3：采用动态加权故障树获取整个***故障的发生率；
S4：利用危险分析方法对***事故产生与危险传播过程进行描述；
S5：结合事故造成的人员伤亡、财产损失和社会影响，获取***损失函数；
S6：采用危险率评估***运行性能，实现***动态报警和确定***维修时间。
运用动态加权故障树分析方法对液氢加注***进行描述，其中最重要的是动态权重的确定，以及***故障的分类方法。其具体步骤为：经过对大量历史数据进行整理和分析，对每一个故障进行编号(xi，i＝1,2,…n)并建立加注***的故障库，其中故障树随着新的故障的增加不断的实时动态更新保障故障库中拥有全部已经发生的故障。利用故障树从上到下的演绎分析方法，建立加注***的静态故障树，其中中间层为***的故障分类模式，用Xi， i＝1,2,3,4。通过加注***蕴含的历史信息和领域专家打分的方式确定下一级故障对上一级故障影响的动态权重ωm-n。结合故障树的逻辑计算方法得出***故障的发生率。
动态加权故障树分析方法的具体步骤如下：
S31：利用危险分析方法确定***故障顶事件；
S32：根据从上到下的收索分析方法确定下一层故障事件；
S33：利用逻辑分析方法分析下层故障引起上层故障事件的动态权重；
S34：根据逻辑门计算方法，确定***顶事件发生概率。
所述的危险分析方法，其具体步骤如下：
S41：利用定性方法确定***故障到事故的危险因素；
S42：利用随机分析方法确定引发事故的必要条件的出现概率；
S43：通过将两者的概率相乘得到***事故的发生概率；
S44：结合事故的损失函数得出***的危险程度。
以上所述仅为本发明的优选实施例子，并不用于限制本发明，显然，本领域的技术人员可对本发明进行各种改动和变形而不脱离本发明的精神和范围。这样倘若本发明的这些修改和变形属于本发明权利要求极其等同技术的范围之内，则本发明也意图包含这些改动和变形在内。

Claims (6)

1.一种液氢加注***故障诊断及实时报警方法，其特征在于：包括以下步骤：
S1：分析航天发射场加注***故障模式；
S2：通过统计分析历史数据获取各个故障发生的概率密度函数；
S3：采用动态加权故障树获取整个***故障的发生率；
S4：利用危险分析方法对***事故产生与危险传播过程进行描述；
S5：结合事故造成的人员伤亡、财产损失和社会影响，获取***损失函数；
S6：采用危险率评估***运行性能，实现***实时报警。
所述步骤S3中的动态加权故障树，具体步骤如下：
S31：利用危险分析方法确定***故障顶事件；
S32：根据从上到下的收索分析方法确定下一层故障事件；
S33：利用逻辑分析方法分析下层故障引起上层故障事件的动态权重；
S34：根据逻辑门计算方法，确定***顶事件发生概率P1。
2.根据权利要求1所述的一种液氢加注***故障诊断及实时报警方法，其特征在于：所述步骤S33中的动态权重确定方法是通过各个时刻***设备状态和运行工况唯一确定的。
3.根据权利要求1所述的一种液氢加注***故障诊断及实时报警方法，其特征在于：所述步骤S33中的动态逻辑门计算主要包括与门和或门。
4.根据权利要求1所述的一种液氢加注***故障诊断及实时报警方法，其特征在于：所述步骤S4中的危险分析方法，其具体步骤如下：
S41：利用定性方法确定***故障到事故的危险因素；
S42：利用随机分析方法确定引发事故的必要条件概率P2；
S43：通过将***顶事件发生概率P1和必要条件概率P2相乘得到***事故的发生概率P＝P1×P2；
S44：结合事故的损失函数得出***的危险程度。
5.根据权利要求1所述的一种液氢加注***故障诊断及实时报警方法，其特征在于：所述步骤S42利用的随机分析方法主要包括马尔可夫序列分析方法。
6.根据权利要求1所述的一种液氢加注***故障诊断和报警方法，其特征在于：所述步骤S44中的损失函数是通过对历史数据统计分析得到的。
CN201610367743.1A 2016-05-30 2016-05-30 一种液氢加注***故障诊断和实时报警方法 Expired - Fee Related CN106094783B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610367743.1A CN106094783B (zh) 2016-05-30 2016-05-30 一种液氢加注***故障诊断和实时报警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610367743.1A CN106094783B (zh) 2016-05-30 2016-05-30 一种液氢加注***故障诊断和实时报警方法

Publications (2)

Publication Number Publication Date
CN106094783A true CN106094783A (zh) 2016-11-09
CN106094783B CN106094783B (zh) 2018-07-17

Family

ID=57229434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610367743.1A Expired - Fee Related CN106094783B (zh) 2016-05-30 2016-05-30 一种液氢加注***故障诊断和实时报警方法

Country Status (1)

Country Link
CN (1) CN106094783B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194586A (zh) * 2017-05-23 2017-09-22 广州中国科学院工业技术研究院 储罐动态风险分析方法、装置及***
CN110414125A (zh) * 2019-07-25 2019-11-05 哈尔滨工业大学 基于事件驱动的航天器交会故障诊断与滤波器设计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030126299A1 (en) * 2001-12-28 2003-07-03 Nortel Networks Limted Hierarchical tree-based protection scheme for mesh networks
WO2011148891A1 (ja) * 2010-05-24 2011-12-01 日本電気株式会社 システムモデルからの静的なフォルトツリー解析のシステムと方法
CN102968113A (zh) * 2012-11-16 2013-03-13 国电南瑞科技股份有限公司 一种发电机励磁***故障分析及展示方法
CN104778370A (zh) * 2015-04-20 2015-07-15 北京交通大学 基于蒙特卡洛仿真求解动态故障树模型的风险分析方法
CN104991549A (zh) * 2015-05-27 2015-10-21 中国铁路总公司 基于fta与多层次模糊神经子网络的轨道电路红光带故障诊断方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030126299A1 (en) * 2001-12-28 2003-07-03 Nortel Networks Limted Hierarchical tree-based protection scheme for mesh networks
WO2011148891A1 (ja) * 2010-05-24 2011-12-01 日本電気株式会社 システムモデルからの静的なフォルトツリー解析のシステムと方法
CN102968113A (zh) * 2012-11-16 2013-03-13 国电南瑞科技股份有限公司 一种发电机励磁***故障分析及展示方法
CN104778370A (zh) * 2015-04-20 2015-07-15 北京交通大学 基于蒙特卡洛仿真求解动态故障树模型的风险分析方法
CN104991549A (zh) * 2015-05-27 2015-10-21 中国铁路总公司 基于fta与多层次模糊神经子网络的轨道电路红光带故障诊断方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
KE ZHANG等: "Research on Fault Diagnosis of Tennessee Eastman Process Based on KPCA and SVM", 《2014 SEVENTH INTERNATIONAL SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE AND DESIGN》 *
张可等: "复合故障诊断技术综述", 《控制理论与应用》 *
樊友平等: "运载火箭控制***漏电故障诊断研究", 《宇航学报》 *
陈琳等: "基于贝叶斯网络工具箱的制动***故障分析", 《西华大学学报(自然科学版)》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194586A (zh) * 2017-05-23 2017-09-22 广州中国科学院工业技术研究院 储罐动态风险分析方法、装置及***
CN107194586B (zh) * 2017-05-23 2020-05-19 广州中国科学院工业技术研究院 储罐动态风险分析方法、装置及***
CN110414125A (zh) * 2019-07-25 2019-11-05 哈尔滨工业大学 基于事件驱动的航天器交会故障诊断与滤波器设计方法
CN110414125B (zh) * 2019-07-25 2022-09-13 哈尔滨工业大学 基于事件驱动的航天器交会故障诊断与滤波器设计方法

Also Published As

Publication number Publication date
CN106094783B (zh) 2018-07-17

Similar Documents

Publication Publication Date Title
Gonçalves et al. Unmanned aerial vehicle safety assessment modelling through petri Nets
Amari et al. Reliability analysis of k-out-of-n load-sharing systems
Downer On audits and airplanes: Redundancy and reliability-assessment in high technologies
Netjasov et al. Development, validation and application of stochastically and dynamically coloured Petri net model of ACAS operations for safety assessment purposes
CN104346430A (zh) 用于飞行器设备的维护辅助的方法和计算机程序
CN104537230A (zh) 一种航天器发射预警碰撞风险分析方法和分析装置
Mata et al. Construction of decision rules for early detection of a developing concrete arch dam failure scenario. A discriminant approach
Weibel et al. An integrated approach to evaluating risk mitigation measures for UAV operational concepts in the NAS
Le et al. Visualization and explainable machine learning for efficient manufacturing and system operations
CN106094783A (zh) 一种液氢加注***故障诊断和实时报警方法
CN108090236A (zh) 航空装备的状态检测方法
Li et al. Operational anomaly detection in flight data using a multivariate gaussian mixture model
Rao et al. High risk occurrence chains in helicopter accidents
Zhen et al. An interpretable and augmented machine-learning approach for causation analysis of major accident risk indicators in the offshore petroleum industry
Andrade et al. What went wrong: A survey of wildfire uas mishaps through named entity recognition
CN106169113A (zh) 一种液氢加注控制***安全性实时评估方法
Lu et al. Air data sensor fault detection and diagnosis in the presence of atmospheric turbulence: theory and experimental validation with real flight data
Luxhøj A conceptual Object-Oriented Bayesian Network (OOBN) for modeling aircraft carrier-based UAS safety risk
Andrade et al. Wildfire Emergency Response Hazard Extraction and Analysis of Trends (HEAT) through Natural Language Processing and Time Series
Thunem et al. Ussing an Agent-Oriented Framework for Supervision, Diagnosis and Prognosis Applications in Advanced Automation Environments
Steinweg et al. Integrated aircraft risk analysis framework for health monitoring systems–a case study for structural health monitoring
Gore et al. A methodical approach for developing valid human performance models of flight deck operations
Wang et al. Aviation risk analysis: U-bowtie model based on chance theory
Man et al. Research on security monitoring and health management system of medium-range UAV
CN106227907A (zh) 一种基于演化聚类学习的液氢加注***安全性评估方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180717